BỘ GIÁO DỤC VÀ ĐÀO TẠO
BỘ QUỐC PHÒNG
VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ
----------------
NGUYỄN ĐỨC THÀNH
ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG CÁC THAM SỐ
KHÍ ĐỘNG KÊNH ĐỘ CAO NHẰM NÂNG CAO HIỆU QUẢ
THIẾT KẾ THIẾT BỊ BAY
Chuyên ngành: Kỹ thuật điều khiển và tự động hóa
Mã số: 9.52.02.16
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT
Hà Nội, 2021
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI
VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ-BỘ QUỐC PHÒNG
Người hướng dẫn khoa học:
1. TS Trương Đăng Khoa
2. TS Hoàng Minh Đắc
Phản biện 1: GS. TS Lê Hùng Lân
Trường Đại học Giao thông Vận tải
Phản biện 2: PGS. TS Phạm Trung Dũng
Học viện Kỹ thuật quân sự
Phản biện 3: PGS. TS Trần Đức Thuận
Viện Khoa học - Công nghệ quân sự
Luận án được bảo vệ tại hội đồng đánh giá luận án tiến sĩ
họp tại Viện Khoa học và Công nghệ quân sự vào hồi ... giờ ...
phút, ngày ... tháng ... năm 20...
Có thể tìm hiểu luận án tại:
- Thư viện Viện Khoa học và Công nghệ quân sự
- Thư viện Quốc gia Việt Nam
MỞ ĐẦU
Tính cấp thiết: Việc nhận dạng các đạo hàm hệ số khí động
(ĐHHSKĐ) của thiết bị bay (TBB) từ các tập dữ liệu bay là một
nhiệm vụ cần thiết, bắt buộc, các ĐHHSKĐ nhận dạng được có ý
nghĩa quan trọng trong các giai đoạn thiết kế, chế tạo TBB.
Mục đích: Luận án tập trung nghiên cứu xây dựng các thuật toán
nhận dạng các ĐHHSKĐ trong kênh độ cao sử dụng các tập dữ liệu
bay được ghi nhận từ các chuyến bay của một lớp TBB dạng máy
bay cánh bằng, cơ cấu điều khiển khí động làm cơ sở cho việc tính
toán thiết kế lớp máy bay này.
Nội dung nghiên cứu:
- Xây dựng được các mô hình động học trong kênh độ cao của
một lớp máy bay cánh bằng sử dụng cho các vấn đề nhận dạng đạo
hàm hệ số khí động;
- Xây dựng cấu trúc mạng nơron hàm cơ sở xuyên tâm (RBF) xấp
xỉ mô hình động học phi tuyến kênh độ cao máy bay; kết hợp mạng
RBF với thuật toán Gauss – Newton (GN) thực hiện nhận dạng các
đạo hàm hệ số khí động cho kênh độ cao của máy bay;
- Đề xuất sử dụng mạng nơron đột biến (SNN) để nhận dạng các
đạo hàm hệ số khí động.
Đối tượng và phạm vi nghiên cứu: Đối tượng nghiên cứu trong
luận án là mô hình động học và các thuật toán nhận dạng các đạo
hàm hệ số khí động trong kênh độ cao của một lớp thiết bị bay dạng
máy bay cánh bằng, cơ cấu điều khiển dạng khí động.
Phương pháp nghiên cứu: Luận án chọn phương pháp kết hợp
giữa nghiên cứu lý thuyết với sử dụng phần mềm Matlab - Simulink
để mô phỏng và đánh giá chất lượng các thuật toán nhận dạng.
Ý nghĩa khoa học: Phát triển thuật toán nhận dạng các ĐHHSKĐ
cho một lớp máy bay cánh cố định có độ cơ động cao theo các tập dữ
liệu nhận được từ các chuyến bay thực tế khi sử dụng ANN đóng vai
trò mô hình động học của MB.
Ý nghĩa thực tiễn: Việc nghiên cứu nhận dạng các ĐHHSKĐ
trong kênh độ cao của máy bay từ các tập dữ liệu bay được ghi nhận
từ các chuyến bay thực tế sẽ cung cấp cơ sở lý thuyết và thực nghiệm
cho việc đánh giá các ĐHHSKĐ trong giai đoạn thiết kế TBB, nâng
cao độ chính xác và rút ngắn thời gian trong toàn bộ quá trình thiết
kế một lớp TBB.
Luận án được bố cục gồm các phần: mở đầu, nội dung, kết luận,
phụ lục. Phần nội dung trình bày trong bốn chương với 112 trang:
CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DẠNG CÁC HỆ SỐ
KHÍ ĐỘNG CỦA MÁY BAY
1.1. Nhiệm vụ nhận dạng các đạo hàm hệ số khí động trong quy
trình thiết kế thiết bị bay
1.1.1. Các giai đoạn thiết kế thiết bị bay
1.1.2. Mô hình hệ số khí động của thiết bị bay
Đối với cấu trúc máy bay dạng cánh bằng như hình 1.2.
Hình 1.2. Ký hiệu quy ước HTĐ liên kết của máy bay
trong hình 1.2: , - góc tấn công, góc trượt; V - không tốc của
máy bay; X , Y , Z - các thành phần lực khí động; M x , M y , M z - các
thành phần momen khí động; Vx , Vy , Vz - các thành phần tốc độ máy
bay; x , y , z - các thành phần tốc độ góc; a , e , r - các góc
lệch cánh lái liệng, cánh lái độ cao và cánh lái hướng.
Phương trình động lực học
Phương trình chuyển động cơ bản của máy bay được xác định:
F mV ω mV F ( ) F F ( V,ω,u,θ )
(1.1)
G
P
A
M Iω ω Iω M P M A ( V,ω,u,θ )
(1.2)
trong đó: - các góc Euler; u - véc tơ điều khiển; F - lực tác động
tổng; M momen tác động tổng; θ - véc tơ các tham số mô hình.
Cấu trúc mô hình khí động xác định trong HTĐ liên kết:
X
Cx
FA Y = qS C y
Z
C z
(1.3)
M x
l.mx
M A M y qS bA .m y
M z
l.mz
(1.4)
trong đó: C x , C y , C z - các thành phần hệ số lực khí động;
mx , m y , mz - các thành phần hệ số mô men khí động; S - diện tích
đặc trưng cánh; l - sải cánh nâng; bA - cung khí động cánh nâng.
Mô hình hệ số khí động tuyến tính trong kênh độ cao
y bA
V
y CDe e
CD CD0 CDV CD CD
2
V
0
y bA
V
y CLe e
CL CL0 CL V CL CL
2V0
b
V
my my 0 my V my my y A y mye e
2
V
0
(a)
(b)
(1.10)
(c)
trong đó: CD0 , CL0 , my 0 - hệ số lực cản, lực nâng và momen gật khi
e 0 ;
y
CD , CD , C D ,
e
CL , CL , CL ,
y
e
my , my , m y - các
e
z
ĐHHSKĐ của các hệ số lực cản, lực nâng và momen gật theo các
tham số, được ký hiệu bằng các chỉ số phía trên.
1.1.3. Vai trò nhận dạng các đặc tính khí động
1.2. Nhận dạng các đạo hàm hệ số khí động từ dữ liệu bay
Sơ đồ cấu trúc nhận dạng các ĐHHSKĐ của MB từ dữ liệu bay
có thể được biểu diễn trên hình 1.3.
Hình 1.3. Sơ đồ cấu trúc nhận dạng các ĐHHSKĐ từ dữ liệu bay
1.2.1. Mô hình động học chuyển động của máy bay
1.2.2. Thử nghiệm bay, thu nhận dữ liệu
Trên hình 1.4 biểu diễn giá trị hai tập dữ liệu bay trong kênh độ
cao ghi nhận được từ các chuyến bay thực tế của máy bay Su-D sẽ
được sử dụng trong luận án để nhận dạng tham số và xác nhận mô
hình. Các tập dữ liệu bay gồm các tham số , , y , V , e , az , ax .
Hình 1.1. Hai tập dữ liệu bay trong kênh độ cao của máy bay
1.2.3. Ước lượng tham số khí động và xác định trạng thái
1.2.4. Xác nhận mô hình
1.3. Tình hình nghiên cứu ngoài nước
1.4. Tình hình nghiên cứu trong nước
Đến nay, chưa có đề tài, công trình nghiên cứu trong nước nào
thực hiện nghiên cứu ứng dụng mạng nơron trong nhận dạng các
ĐHHSKĐ từ các tập dữ liệu bay ghi nhận từ những chuyến bay thực
tế của một lớp máy bay cánh bằng có người lái.
1.5. Đặt vấn đề nghiên cứu
Nhận dạng các ĐHHSKĐ cho một lớp máy bay cánh bằng sử
dụng dữ liệu bay từ các chuyến bay thực tế là một nhiệm vụ cần
thiết, bắt buộc trọng trong các giai đoạn thiết kế, thử nghiệm và chế
tạo TBB. Hiện nay, việc xấp xỉ động học phi tuyến chuyển động của
TBB được thực hiện bằng các mô hình ANN được quan tâm nhiều
do sự phát triển mạnh của các thuật toán luyện mạng, đặc biệt là sự
phát triển mạng SNN. Vấn đề nghiên cứu mô hình SNN áp dụng
nhận dạng ĐHHSKĐ của TBB chưa có những công bố trong nước.
1.6. Kết luận chương 1
Chương 1 luận án đã thực hiện được một số nội dung sau:
- Phân tích mô hình động học của một lớp máy bay cánh bằng
trong không gian. Xác định mô hình HSKĐ và qua đó nhận được các
ĐHHSKĐ trong kênh độ cao của máy bay. Các ĐHHSKĐ trong
kênh độ cao của máy bay sẽ là đối tượng nghiên cứu của luận án.
- Đã thực hiện xác định cấu trúc nhận dạng tham số đối với mô
hình động học chuyển động kênh độ cao từ dữ liệu bay. Với cấu trúc
nhận dạng tham số mô hình, đã thực hiện đánh giá tình hình nghiên
cứu trong và ngoài nước về các nội dung cơ bản cần phải giải quyết
trong lĩnh vực nhận dạng các ĐHHSKĐ trong thiết kế, chế tạo MB.
- Từ những đánh giá phân tích, nhận thấy việc sử dụng ANN
trong việc thay thế mô hình động học phi tuyến của máy bay có rất
nhiều ưu thế và đang được quan tâm hiện nay và luận án sẽ tập trung
vào hướng nghiên cứu này phục vụ cho mục đích nhận dạng các
ĐHHSKĐ kênh độ cao máy bay.
CHƯƠNG 2: XÂY DỰNG MÔ HÌNH ĐỘNG HỌC CHO
MỘT LỚP MÁY BAY CÁNH BẰNG
2.1. Mô hình động học của máy bay
2.2. Mô hình động học trong kênh độ cao của máy bay
2.2.1. Mô hình động học phi tuyến
P
qS
V m cos - m CD - g sin( - )
- P sin - qS C g cos( - )
y
L
mV
mV
V
(2.25)
y
qSbA m
y
y
Iy
Đối với mô hình đầu ra, ngoài các tham số trạng thái như mô hình
(2.25) còn bổ sung thêm các thành phần gia tốc chuyển động thẳng:
1
ax m (qSC x P )
(2.26)
a qSC z
z
m
2.2.2. Mô hình trạng thái chuyển động tuyến tính
Mô hình trạng thái chuyển động tuyến tính kênh độ cao của MB
được xác định như sau:
L (1 L y ) y L e e
(2.36)
y M M y y M e e
Mô hình đầu ra tuyến tính kênh độ cao của MB được xác định:
(2.37)
y y
az V0 ( L L y L e )
y
e
g
2.3. Xác định mô hình động học của máy bay khi ứng dụng mạng
nơron nhân tạo để nhận dạng các đạo hàm hệ số khí động
2.3.1. Mô hình động học của máy bay khi ứng dụng mạng nơron
nhân tạo
2.3.2. Mạng nơron đột biến
Mô hình SNN thông dụng nhất là mô hình đáp ứng đột biến
(SRM), có cấu trúc như trên hình 2.6, gồm 3 lớp (hình 2.6-a): lớp
đầu vào H, lớp ẩn I và lớp đầu ra J; mỗi nơron lớp trước và nơron
lớp kế tiếp có m kết nối (hình 2.6-b). Các nơron tạo các đột biến khi
biến trạng thái u t của nơron đạt mức ngưỡng ung .
Hình 2.6. Mô hình SRM: a) SNN truyền thẳng, b) kết nối giữa nơron
i và nơron j lớp ra có nhiều khớp
Xét nơron j trong lớp ra J , trạng thái u j t được xác định::
NI
m
u j (t ) wijk yik (t )
(2.44)
i 1 k 1
2.4. Kết luận chương 2
Chương 2 của luận án đã xây dựng các mô hình động học của một
lớp máy bay cánh bằng phục vụ mục đích nhận dạng.
Dựa trên các giả định hợp lý cho phép phân tích mô hình chuyển
động máy bay thành chuyển động trong các kênh độc lập, từ đó xác
định được mô hình chuyển động phi tuyến trong kênh độ cao. Thực
hiện tuyến tính hóa để xây dựng các mô hình động học tuyến tính đối
với các ĐHHSKĐ trong kênh độ cao.
Để có thể sử dụng mô hình động học phi tuyến trong kênh độ cao
của máy bay, chương này cũng phân tích việc sử dụng ANN và SNN
xấp xỉ các mô hình động học phi tuyến.
CHƯƠNG 3: XÂY DỰNG THUẬT TOÁN NHẬN DẠNG
MỘT SỐ ĐẠO HÀM HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY
3.1. Thuật toán nhận dạng theo các phương pháp truyền thống
3.1.1. Phương pháp hồi quy tuyến tính
Mô hình tổng quát của phương pháp
(3.3)
y = Xθ
z = Xθ + ν
(3.4)
trong đó: y - véc tơ tham số đầu ra mô hình; z - véc tơ tham số đầu
ra đo được; ν - véc tơ các sai số đo; θ - véc tơ các tham số chưa
biết; X - ma trận của các véc tơ của một và các hồi quy;
Xây dựng thuật toán nhận dạng
Mô hình động học trong kênh độ cao của máy bay
Luận án sẽ sử dụng mô hình đối với HSKĐ trong kênh độ cao của
máy bay (1.10), đối với các tập dữ liệu bay được ghi nhận từ các
chuyến bay tốc độ thay đổi chậm ( V 0 ), mô hình được xác định:
y bA
y CD e e
(a)
C D CD0 CD CD
2
V
0
y bA
(3.7)
y CL e e
(b)
C L CL0 CL CL
2
V
0
b
(c )
m y m y 0 m y m y y A y m y e e
2
V
0
Trong mô hình (3.7), véc tơ tham số mô hình xác định:
[CD , CD , CD , CD , CL , CL , CL , CL , m y 0 , mz , mz , mz ] (3.8)
y
0
y
e
e
z
e
0
Tham số mô hình và dữ liệu phục vụ nhận dạng
- Các tham số mô hình được cho trong phụ lục A của luận án.
- Dữ liệu phục vụ cho bài toán nhận dạng gồm hai tập dữ liệu bay
thu nhận từ các chuyến bay thực tế như trên hình 1.4.
Nhận dạng tham số của mô hình sử dụng thuật toán GN
Hàm giá J( θ ) được xác định:
J θ =
1
T
z - Xθ z - Xθ
2
(3.5)
Tối thiểu hóa hàm giá J θ theo tham số θ , ta xác định được ˆ :
ˆ (X T X 1 X T z
(3.6)
3.1.2. Phương pháp sai số đầu ra
Mô hình động học của phương pháp sai số đầu ra
Nhận dạng theo phương pháp sai số đầu ra (OEM), mô hình động
học gồm có các mô hình trạng thái, đầu ra và quan sát, như sau:
x (t ) A x (t ) B u(t ), x (0) x0
y(t ) C x (t ) D u(t )
z (i) y (i ) (i ), i 1, 2,..., N
a)
b)
(3.26)
c)
trong đó: x (t ) - véc tơ trạng thái; u(t ) - đầu vào điều khiển; y (t ) véc tơ đầu ra mô hình; z (i ) - các tập dữ liệu bay thực nghiệm; x0 véc tơ trạng thái ban đầu; ν i - nhiễu đo, có dạng tạp trắng.
Xây dựng thuật toán nhận dạng
Mô hình động học trong kênh độ cao của máy bay
Mô hình hệ động học sử dụng cho OEM gồm mô hình trạng thái
(2.36) và mô hình đầu ra (2.37). Để nhận dạng chính xác cần bổ
xung thêm thành phần độ chệch vào các tham số đo. Ký hiệu giá trị
độ chệch đối với góc tấn công là , tốc độ góc gật là , gia tốc
y
đứng là az . Các mô hình (2.36) và (2.37) được viết lại như sau:
L (1 L y ) y L e e
y M M y y M e e y
y y
a z V0 ( L L y L e ) a
y
e
z
g
[C L , CL , C L , m y , m y , m y , , , a ]T
z
e
z
e
y
z
(3.38)
(3.39)
(3.40)
Tham số mô hình và dữ liệu phục vụ nhận dạng
- Các tham số mô hình phục vụ nhận dạng đối với mô hình trạng
thái (3.38) và đầu ra (3.39) được cho trong phụ lục A của luận án.
- Dữ liệu phục vụ cho bài toán nhận dạng gồm hai tập dữ liệu bay
thu nhận từ các chuyến bay thực tế như trên hình 1.4.
Nhận dạng tham số của mô hình sử dụng thuật toán GN
- Xác định véc tơ trạng thái ban đầu x0 , véc tơ tham số ban đầu
0 ; xác định trạng thái và đầu ra của mô hình;
- Đối với OEM, các tham số (i ) , Rv , J được xác định:
(i ) z (i ) yˆ (i ) z (i ) C ˆ x (i ) D ˆ u(i )
1 N
Rˆ v ( i ) T ( i )
N i 1
1 N
J (i ) Rˆ v1 T ( i )
2 i 1
(3.27)
(3.29)
(3.30)
- Tính toán S (i) , g , M và giá trị cập nhật sau mỗi lần lặp:
y j (i, ) j 1, 2,..., n0
S (i)= s jk (i)
(3.41)
k k 1, 2,..., n p
g
J
y T (i ) ˆ 1
Rv (i )
i 1
N
N
M
S
T
1
(i)Rˆ v S (i)
(3.42)
(3.43)
i 1
ˆk 1 M 1 g
- Cập nhật các tham số và tính giới hạn Cramer- Rao:
ˆ ˆ ˆ
k 1
k
Cov ˆ
k 1
M-10
(3.44)
(3.45)
(3.46)
- Lặp lại cho đến khi thỏa mãn điều kiện dừng của thuật toán:
J (ˆk 1 ) - J (ˆk )
J
(3.47)
J (ˆ )
k
Lưu đồ thuật toán nhận dạng theo OEM biểu diễn trên hình 3.2.
Hình 3.2. Lưu đồ nhận dạng theo phương pháp sai số đầu ra
3.2. Xây dựng thuật toán nhận dạng các đạo hàm hệ số khí động
của máy bay khi ứng dụng mạng nơron nhân tạo
Khi ứng dụng ANN cho bài toán nhận dạng các ĐHHSKĐ kênh
độ cao của MB, ANN có vai trò thay thế mô hình chuyển động phi
tuyến (gồm mô hình trạng thái (2.25) và mô hình đầu ra (2.26)). Để
giải quyết bài toán nhận dạng các ĐHHSKĐ, cần thực hiện ba nhiệm
vụ: luyện mạng, nhận dạng tham số và xác nhận mô hình.
Để phục vụ cho việc nhận dạng các tham số theo phương pháp
ANN - GN, trong luận án sử dụng hai tập dữ liệu xác định mục 1.2.2.
3.2.1. Thuật toán nhận dạng các đạo hàm hệ số khí động kết hợp
mạng nơron hàm cơ sở xuyên tâm với thuật toán Gauss-Newton
Cấu trúc thuật toán nhận dạng
Hình 3.3. Cấu trúc thuật toán nhận dạng kết hợp RBF - GN
Hoạt động theo sơ đồ cấu trúc như sau:
- Trong quá trình luyện mạng, mạng nơron RBF để xấp xỉ tập dữ
liệu đầu vào – đầu ra trong kênh độ cao của máy bay;
- Trong quá trình nhận dạng, mô hình RBF được sử dụng để xác
định đầu ra y i từ đầu vào u i . Đầu ra mô hình y i được sử
dụng để xác định độ nhạy đầu ra Sk i , sau đó, cả y i và Sk i
được đưa đến tính toán cập nhật ˆk 1 theo thuật toán GN.
Việc tính toán được lặp lại đến khi thỏa mãn tiêu chuẩn hội tụ.
Cấu trúc mạng RBF xấp xỉ dữ liệu bay kênh độ cao
Hình 3.4. Cấu trúc mạng RBF cho mô hình động học kênh độ cao
Thuật toán nhận dạng các đạo hàm hệ số khí động
Phương pháp RBF – GN nhận dạng các ĐHHSKĐ theo cấu trúc
thuật toán hình 3.3, sử dụng mô hình HSKĐ (3.7). Thuật toán GN
thực hiện cập nhật các tham số nhận dạng giống như OEM, chỉ khác
là véc tơ y i xác định bởi mô hình mạng RBF.
Ma trận độ nhạy Sk i tại lần lặp k được xác định:
y pk i - yk i
y i
Sk i
j
jk
(3.54)
3.2.2. Thuật toán nhận dạng các đạo hàm hệ số khí động kết hợp
mạng nơron đột biến với thuật toán Gauss-Newton
Thuật toán lan truyền ngược sai số đột biến chuẩn hóa
Thuật toán lan truyền ngược sai số đột biến chuẩn hóa (NSEBP)
để luyện SNN, dùng mô hình đáp ứng đột biến chuẩn hóa SRM0.
Đối với mô hình SNN hình 2.6, điện áp đầu ra nơron thứ j có dạng:
NI
u j (t ) (t - tˆoutj ) wij j (t - tSi ) u ext ,
(3.55)
i 1
trong đó: tˆoutj - thời điểm phát đột biến; wij - trọng số liên kết, tSi - thời
điểm đột biến thứ i , (t - tˆoutj ) - hàm hồi phục, u e x t - điện áp ngoài;
j
Giả sử giữa u t out
và u ng có sai số E xác định:
j
E ung - u (tout
)
(3.59)
Sai số E được chia thành: Ewn và Etn , được xác định:
Ewn rE
n
t
E
(1- r ) E
Điều chỉnh trọng số để loại bỏ E
wij
(3.60)
(3.61)
n
w
in Ewn
W (s )
, in m ind i
j ( si )
2
W
ind
(3.62)
( sk )
k m1
Biến động thời gian xuất hiện đột biến đầu vào
Sai số Etn phân bố tới n 1 lớp trước. Đối với đột biến đầu vào
thứ i , sai số này sẽ tương ứng với lượng thay đổi điện áp, như sau:
(3.64)
ui tin Etn
m2
A1 Wind si / A1 Wind sk , khi E 0
k m1
với tin
(3.65)
m2
W s /
Wind sk ,
khi E 0
ind i k
m1
Việc luyện mạng để đưa ui 0 tương ứng với việc thay đổi thời
điểm đột biến đầu vào thứ i một lượng tSi , được xác định:
b b 2 4ac
)
2a
j
a wij exp((tSi tout
) / 2 ); b wij exp((tSi tojut ) / 1 )
i
j
i
j
c wij exp((tS tout ) / 2 ) wij exp((tS tout ) / 1 ) ui
tSi 1 ln(
(3.67)
(3.68)
Thuật toán NSEBP dùng để luyện SNN được minh họa qua lưu
đồ thuật toán hình 3.9.
Hình 3.9. Lưu đồ thuật toán luyện SNN theo thuật toán NSEBP
Cấu trúc thuật toán nhận dạng kết hợp SNN – GN
Cấu trúc thuật toán nhận dạng các ĐHHSKĐ kênh độ cao của
máy bay theo phương pháp SNN – GN được đề xuất trên hình 3.10.
Hình 3.10. Cấu trúc thuật toán nhận dạng đề xuất
Cấu trúc mô hình SNN trong kênh độ cao
Hình 3.11. Cấu trúc mạng nơron đột biến đề xuất
3.3. Kết luận chương 3
Chương 3 thực hiện xây dựng các thuật toán nhận dạng các
ĐHHSKĐ kênh độ cao của MB từ dữ liệu bay, cụ thể là:
- Đã thực hiện nhận dạng các ĐHHSKĐ trong kênh độ cao của
MB dựa trên dữ liệu bay theo các phương pháp truyền thống.
- Xây dựng phương pháp RBF – GN để nhận dạng các ĐHHSKĐ
kênh độ cao của MB từ dữ liệu bay, trong đó, đã xây dựng được cấu
trúc mạng nơron RBF xấp xỉ tập dữ liệu kênh độ cao và triển khai
thuật toán nhận dạng các ĐHHSKĐ theo phương pháp này.
- Đề xuất ứng dụng SNN, cụ thể là cấu trúc mạng SRM kết hợp
với thuật toán GN để nhận dạng các ĐHHSKĐ trong kênh độ cao
của MB từ dữ liệu bay, ứng dụng thuật toán NSEBP cho mô hình
nơron SRM0 để luyện SNN, đã xây dựng được cấu trúc thuật toán
nhận dạng các ĐHHSKĐ trong kênh độ cao của máy bay.
CHƯƠNG 4: MÔ PHỎNG VÀ ĐÁNH GIÁ CÁC THUẬT
TOÁN NHẬN DẠNG
4.1. Mô phỏng và đánh giá các thuật toán nhận dạng sử dụng các
phương pháp truyền thống
4.1.1. Nhận dạng theo phương pháp hồi quy tuyến tính
Bảng 4.1. Kết quả nhận dạng theo phương pháp hồi quy tuyến tính
4.1.2. Nhận dạng theo phương pháp sai số đầu ra
Kết quả nhận dạng theo OEM cho trong cột 2 bảng 4.4.
Bảng 4.4. Kết quả nhận dạng các các đạo hàm hệ số khí động
Bảng 4.5. Sai lệch chuẩn đối với các kết quả nhận dạng
Kiểm chứng chất lượng mô hình nhận dạng
Với các ĐHHSKĐ nhận dạng được, thực hiện xác nhận mô hình
khi sử dụng tập dữ liệu thứ hai. Sự phù hợp thể hiện trên hình 4.4.
Hình 4.4. Sự phù hợp giữa mô hình và tập dữ liệu đo được
Bảng 4.6. Sai lệch chuẩn đối với kết quả xác nhận mô hình
4.2. Mô phỏng và đánh giá thuật toán nhận dạng khi ứng dụng
mạng nơron nhân tạo
4.2.1. Nhận dạng kết hợp mạng nơron hàm cơ sở xuyên tâm với
thuật toán Gauss-Newton
Kết quả luyện mạng theo cấu trúc RBF trong kênh độ cao
Đối với luyện mạng RBF, độ chính xác xấp xỉ mô hình phụ thuộc
vào số nơron lớp ẩn. Đối với tập dữ liệu luyện mạng và sai lệch
chuẩn cho trước là e0 10-3 , kết quả nhận được là 164 nơron.
- Xem thêm -